《表5 土壤属性的RF建模精度评价》

《表5 土壤属性的RF建模精度评价》   提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《基于随机森林模型的安徽省土壤属性空间分布预测》


  1. 获取 高清版本忘记账户?点击这里登录
  1. 下载图表忘记账户?点击这里登录

RF模型的性能通过计算RMSE、MAE、R2等参数来进行评估,经过参数调优后采用最稳定的RF模型作为最终预测模型。结果(表5、图2)表明:(1)验证集中SOC含量、容重和黏粒含量的决定系数分别为0.27、0.22和0.21。建模集中的决定系数与验证集相近,说明RF模型有效避免了过拟合的问题,这与前人的理论一致[6];(2)SOC含量预测效果最好,土壤容重次之,对土壤黏粒的预测效果最差;(3)对于SOC含量,建模集的R2和验证集的R2均高于0.25且整体水平相近,说明模型拟合度和泛化能力均较高,且模型较稳定;对于容重和土壤黏粒含量,建模集的R2和验证集的R2基本相同,说明模型稳定性极高,但是预测精度较低。(4)由MAE和RMSE可以看出,模型整体预测精度较高,说明在大尺度区域上,RF模型对于土壤属性仍然有不错的预测效果。